新闻详情

新闻详情

首页 / 资讯中心 / 详情

B3930 [GESP202312 五级] 烹饪问题

发布时间:2026/10/30 17:50:44来源:尧图网络
B3930 [GESP202312 五级] 烹饪问题
题目描述有 种食材编号从 至 其中第 种食材的美味度为 。不同食材之间的组合可能产生奇妙的化学反应。具体来说如果两种食材的美味度分别为 和 那么它们的契合度为 。其中 运算为按位与运算需要先将两个运算数转换为二进制然后在高位补足 再逐位进行与运算。例如 与 的二进制表示分别为 和 将它们逐位进行与运算得到 转换为十进制得到 4因此 。在 C 或 Python 中可以直接使用运算符表示与运算。现在请你找到契合度最高的两种食材并输出它们的契合度。输入格式第一行一个整数 表示食材的种数。接下来一行 个用空格隔开的整数依次为 表示各种食材的美味度。输出格式输出一行一个整数表示最高的契合度。输入输出样例 #1输入 #13 1 2 3输出 #12输入输出样例 #2输入 #25 5 6 2 10 13输出 #28说明/提示样例解释 1可以编号为 的食材之间的契合度为 是所有食材两两之间最高的契合度。样例解释 2可以编号为 的食材之间的契合度为 是所有食材两两之间最高的契合度。数据范围对于 的测试点保证 对于所有测试点保证 。PART2解题思路2.1题目解释本题要求从个数中选出两个是他们按位与运算结果最大。2.2思路因为 所以不可以直接两两枚举时间复杂度 可以注意到 所以二进制位最多只有位二进制中高位权值大于低位所以应该优先保证高位为1再考虑低位所以可以采用贪心策略从高位到低位进行枚举确定答案PART3算法步骤1.初始化答案为02.从高位开始枚举尝试将第一位设为1统计有多少个数满足条件如果满足的数不少于两个,更新3.输出答案时间复杂度空间复杂度 PART4代码4.1AC记录网址https://www.luogu.com.cn/record/2774917694.2AC代码#includebits/stdc.h using namespace std; int main() { unsigned long long n;cinn;//输入食材数量 unsigned long long a[n1]; for(unsigned long long i1;in;i) cina[i];//读入 unsigned long long ans0;//存储最大契合度 for(long long i30;i0;i--) {//从高位到低位进行枚举 unsigned long long fans|(1ulli);//尝试将此为设为1 int cnt0; for(unsigned long long i21;i2n;i2) {//遍历全部食材 unsigned long long ja[i2]; unsigned long long f2jf; if(f2f) { cnt; if(cnt2) {//至少两个数满足条件则此位可以取1 ansf;//更新ans break;//因只需要寻找两个所以可以直接跳出循环 } } } } coutans;//输出答案 return 0; }4.3注意事项
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/30 4:02:09

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/29 23:30:48

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/30 14:30:55

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/29 19:55:35

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/29 13:36:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/30 5:26:05

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉